0. NoSQL是什么？为什么要有NoSQL

为什么要使用NoSql？

单机 MySQL 的美好年代

在早些年以前，那时候网站的访问量不大，用单个数据库完全可以应付。而且那个时候，绝大部分都是 LAMP 架构：Linux + Apache + MySQL + PHP。而且当时很多都是静态网页，动态交互类型的网站不多，而且数据量也无法跟现在相比。

但是放在现在这个数据量爆炸式增长的时代，上面的架构就出现了瓶颈。比如：数据量大到一台机器放不下了怎么办？数据的索引一台机器的内存放不下时怎么办？访问量多到一台机器无法承受的时候怎么办？

Memcached（缓存）+ MySQL + 垂直拆分

后来，随着访问量的上升，几乎大部分使用 MySQL 架构的网站在数据库上都开始出现了性能问题，web 程序不再仅仅专注在功能上，同时也在追求性能。程序员们开始大量的使用缓存技术来缓解数据库的压力，优化数据库的结构和索引。开始比较流行的是通过文件缓存来缓解数据库压力，但是当访问量继续增大的时候，多台 web 机器通过文件缓存不能共享，大量的小文件缓存也带了了比较高的 IO 压力。在这个时候，Memcached 就自然的成为一个非常时尚的技术产品。

Memcached 作为一个独立的分布式的缓存服务器，为多个 web 服务器提供了一个共享的高性能缓存服务，在 Memcached 服务器上，又发展了根据 hash 算法来进行多台 Memcached 缓存服务的扩展，然后又出现了一致性 hash 来解决增加或减少缓存服务器导致重新 hash 带来的大量缓存失效的弊端。

MySQL 主从读写分离

由于数据库的写入压力增加，Memcached 只能缓解数据库的读取压力。读写集中在一个数据库上让数据库不堪重负，大部分网站开始使用主从复制技术来达到读写分离，以提高读写性能和读库的可扩展性，MySQL 的 master-slave 模式成为这个时候的网站标配了。

分表分库 + 水平拆分 + MySQL集群

在 Memcached 的高速缓存，MySQL 的主从复制，读写分离的基础之上，这时 MySQL 主库的写压力开始出现瓶颈，而数据量的持续猛增，由于 MyISAM 使用表锁，在高并发下会出现严重的锁问题，大量的高并发 MySQL 应用开始使用 InnoDB 引擎代替MyISAM。

同时，开始流行使用分表分库来缓解写压力和数据增长的扩展问题。这个时候，分表分库成了一个热门技术，是面试的热门问题也是业界讨论的热门技术问题。也就在这个时候，MySQL 推出了还不太稳定的表分区，这也给技术实力一般的公司带来了希望。虽然 MySQL 推出了 MySQL Cluster 集群，但性能也不能很好满足互联网的要求，只是在高可靠性上提供了非常大的保证。

MySQL 的扩展性瓶颈

MySQL 数据库也经常存储一些大文本字段，导致数据库表非常的大，在做数据库恢复的时候就导致非常的慢，不容易快速恢复数据库。比如 1000 万 4KB 大小的文本就接近 40GB 的大小，如果能把这些数据从 MySQL 省去，MySQL 将变得非常的小。关系数据库很强大，但是它并不能很好的应付所有的应用场景。MySQL 的扩展性差（需要复杂的技术来实现），大数据下 IO 压力大，表结构更改困难，正是当前使用 MySQL 的开发人员面临的问题。

今日的数据

现如今，数据量已经大到一个相当恐怖的地步了，不仅是数据量，而且数据格式也是千变万化，此时放到数据库里面显然就不再合适了。

今天我们可以通过第三方平台（如：Google、Facebook等）可以很容易的访问和抓取数据。用户的个人信息，社交网络，地理位置，用户生成的数据和用户操作日志已经成倍的增加。我们如果要对这些用户数据进行挖掘，那 SQL 数据库已经不适合这些应用了, NoSQL 数据库的发展却能很好的处理这些大的数据。

 

NoSQL 是什么？具有哪些特点呢？

NoSQL（NoSQL = Not Only SQL），不仅仅是 SQL，泛指非关系型的数据库。随着互联网 web2.0 网站的兴起，传统的关系数据库在应付 web2.0 网站，特别是超大规模和高并发的 SNS 类型的 web2.0 纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。

NoSQL 数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题，包括超大规模数据的存储。例如 Google 或 Facebook 每天为他们的用户收集万亿比特的数据。这些类型的数据存储不需要固定的模式，无需多余操作就可以横向扩展。

那么 NoSQL 都有哪些特点呢？

易扩展

NoSQL 数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性，数据之间无关系，这样就非常容易扩展。也无形之间，在架构的层面上带来了可扩展的能力。

大数据量和高性能

NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀。这得益于它的无关系性，数据库的结构简单。

一般 MySQL 使用 Query Cache，每次表的更新 Cache 就失效，是一种大粒度的Cache，在针对 web2.0 的交互频繁的应用，Cache 性能不高。而 NoSQL 的 Cache 是记录级的，是一种细粒度的Cache，所以 NoSQL 在这个层面上来说就要性能高很多了。

多样灵活的数据模型

NoSQL无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情，如果是非常大数据量的表，增加字段简直就是一个噩梦。

和传统数据库的区别

RDBMS

• 1.高度组织化结构化数据
• 2.结构化查询语言（SQL）
• 3.数据和关系都存储在单独的表中
• 4.数据操纵语言，数据定义语言
• 5.严格的一致性
• 6.基础事务

NoSQL

• 1.代表着不仅仅是 SQL
• 2.没有声明性查询语言
• 3.没有预定义的模式
• 4.键 - 值对存储，列存储，文档存储，图形数据库
• 5.最终一致性，而非 ACID 属性
• 6.非结构化和不可预知的数据
• 7.CAP 定理
• 8.高性能，高可用性和可伸缩性

当下 NoSQL 的应用

现如今是sql和nosql一起使用，我们以阿里巴巴商品信息如何存放来举例：

1.商品基本信息

首先商品信息有名称、价格、出厂日期、生产厂商等等，这些信息则是存储在 MySQL 中。注意：阿里所使用的 MySQL 和开源的 MySQL 不一样，而是里面专业人员对开源 MySQL 进行改造，变成了一套适合他们自己业务的 MySQL。

2.商品描述、详情、评价信息(多文字类)

多文字信息描述，会导致IO读写性能变差，因此这些数据存在文档数据库MongoDB中。

3.商品的图片

商品的图片则是存储在分布式的文件系统中：淘宝自己的 TFS、Google 的 GFS、Hadoop 的HDFS

4.商品的关键字

搜索引擎，淘宝内容：ISearch

5.商品的波段性的热点高频信息

这些信息存在内存数据库：tair、Redis、Memecached 中

6.商品的交易、价格计算、积分累计

外部系统，外部第三方支付接口，比如：支付宝

NoSQL 数据模型与典型代表

1. key-value键值对

新浪：BerkeleyDB + Redis，美团：Redis + tair，阿里、百度：Memcache + Redis

2. bson

BSON 是一种类 json 的一种二进制形式的存储格式，简称 Binary JSON，
它和 JSON 一样，支持内嵌的文档对象和数组对象。比如：CouchDB，MongoDB

3. 列族

顾名思义，是按列存储数据的。最大的特点是方便存储结构化和半结构化数据，方便做数据压缩，
对针对某一列或者某几列的查询有非常大的 IO 优势。如：Cassandra、HBase、分布式文件系统

4. 图片

它不是放图形的，放的是关系。比如：朋友圈社交网络、广告推荐系统等等，专注于构建关系图谱，如：Neo4J、InfoGrid。

分布式数据库中的 CAP 原理，CAP + BASE

传统的ACID分别是什么？

关系型数据库遵循 ACID 规则，事务在英文中是 transaction，和现实世界中的交易很类似，它有如下四个特性：

1、A（Atomicity）原子性

原子性很容易理解，也就是说事务里的所有操作要么全部做完，要么都不做，事务成功的条件是事务里的所有操作都成功，只要有一个操作失败，整个事务就失败，需要回滚。比如银行转账，从 A 账户转 100 元至 B 账户，分为两个步骤：1）从 A 账户取 100 元；2）存入 100 元至 B 账户。这两步要么一起完成，要么一起不完成，如果只完成第一步，第二步失败，钱会莫名其妙少了 100 元。

2、C（Consistency）一致性

一致性也比较容易理解，也就是说数据库要一直处于一致的状态，事务的运行不会改变数据库原本的一致性约束。

3、I（Isolation）独立性

所谓的独立性是指并发的事务之间不会互相影响，如果一个事务要访问的数据正在被另外一个事务修改，只要另外一个事务未提交，它所访问的数据就不受未提交事务的影响。比如现有有个交易是从 A 账户转 100 元至 B 账户，在这个交易还未完成的情况下，B 查询自己的账户，是看不到新增加的 100 元的。

4、D (Durability) 持久性

持久性是指一旦事务提交后，它所做的修改将会永久的保存在数据库上，即使出现宕机也不会丢失。

CAP

1、C:Consistency（强一致性）

2、A:Availability（可用性）

3、P:Partition tolerance（分区容错性）

CAP的3进2理论

CAP 的 3 进 2 理论就是说在分布式存储系统中，最多只能实现上面三点中的两点。
而由于当前的网络硬件肯定会出现延迟丢包等问题，所以：

分区容错性是我们必须需要实现的。

因此我们只能在一致性和可用性之间进行权衡，没有 NoSQL 系统能同时保证这三点。

C:强一致性、 A：高可用性 、P：分布式容忍性

• CA：传统 Oracle 数据库
• AP：大多数网站架构的选择
• CP：Redis、Mongodb

一致性与可用性的决择

对于 web2.0 网站来说，关系数据库的很多主要特性却往往无用武之地。

数据库事务一致性需求

很多 web 实时系统并不要求严格的数据库事务，对读一致性的要求很低， 有些场合对写一致性要求并不高，允许实现最终一致性。

数据库的写实时性和读实时性需求

对关系数据库来说，插入一条数据之后立刻查询，是肯定可以读出来这条数据的，但是对于很多 web 应用来说，并不要求这么高的实时性，比方说发一条消息之 后，过几秒乃至十几秒之后，我的订阅者才看到这条动态是完全可以接受的。

对复杂的 SQL 查询，特别是多表关联查询的需求

任何大数据量的 web 系统，都非常忌讳多个大表的关联查询，以及复杂的数据分析类型的报表查询，特别是 SNS 类型的网站，从需求以及产品设计角度，就避免了这种情况的产生。往往更多的只是单表的主键查询，以及单表的简单条件分页查询，SQL 的功能被极大的弱化了。

经典的CAP

CAP 理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，
最多只能同时较好的满足两个。

因此，根据 CAP 原理将 NoSQL 数据库分成了满足 CA 原则、满足 CP 原则和满足 AP 原则三大类：

• CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。
• CP - 满足一致性，分区容忍必的系统，通常性能不是特别高。
• AP - 满足可用性，分区容忍性的系统，通常可能对一致性要求低一些。

BASE

BASE 就是为了解决关系数据库强一致性引起的问题而引起的可用性降低而提出的解决方案。

BASE 其实是下面三个术语的缩写：

• 基本可用（Basically Available）
• 软状态（Soft state）
• 最终一致（Eventually consistent）

它的思想是通过让系统放松对某一时刻数据一致性的要求来换取系统整体伸缩性和性能上改观，为什么这么说呢，缘由就在于大型系统往往由于地域分布和极高性能的要求，不可能采用分布式事务来完成这些指标，要想获得这些指标，我们必须采用另外一种方式来完成，这里 BASE 就是解决这个问题的办法。

分布式+集群简介

分布式系统

分布式系统（distributed system）由多台计算机和通信的软件组件通过计算机网络连接（本地网络或广域网）组成，分布式系统是建立在网络之上的软件系统。正是因为软件的特性，所以分布式系统具有高度的内聚性和透明性。因此，网络和分布式系统之间的区别更多的在于高层软件（特别是操作系统），而不是硬件。分布式系统可以应用在在不同的平台上如：PC、工作站、局域网和广域网上等。

简单来讲：

• 1、分布式：不同的多台服务器上面部署不同的服务模块（工程），他们之间通过 Rpc/Rmi 之间通信和调用，对外提供服务和组内协作。
• 2、集群：不同的多台服务器上面部署相同的服务模块，通过分布式调度软件进行统一的调度，对外提供服务和访问。